0

El problema es el siguiente, estoy intentando saber si los elementos de una lista, se encuentran en un dataframe. El dataframe son dos columnas y unas 3000 filas. Cualquier elemento de dicha lista puede aparecer indistintamente en una columna o la otra. He optado por esta solución:

data = pd.read_csv(files, header = 0, sep = ';').loc[:, [' 7Flight1', ' 18Flight2']]
if data.isin(flightsid).any().any():
    print ("Están")
else:
    print("No está") 

He probado también:

data = pd.read_csv(files, header = 0, sep = ';').loc[:, [' 7Flight1', ' 18Flight2']]
if data.isin(flightsid).all().all():
    print ("Están")
else:
    print("No está") 

data = pd.read_csv(files, header = 0, sep = ';').loc[:, [' 7Flight1', ' 18Flight2']]
if data.isin(flightsid).all():
    print ("Están")
else:
    print("No está")

data = pd.read_csv(files, header = 0, sep = ';').loc[:, [' 7Flight1', ' 18Flight2']]
if data.isin(flightsid).any():
    print ("Están")
else:
    print("No está") 

Dándome las dos últimas el error ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()

No estoy seguro de si he utilizado la mejor solución, ¿hubiera sido mejor utilizar merge o join? ¿he utilizado correctamente el .any() o el .all()?

Muchas gracias por cualquier comentario!!

1 respuesta 1

1

Lo que pasa es que todas esas funciones producen una serie o una matriz con valores de cierto o falso. Entiendo que quieres ver si cierta comparación sea cierta a través de todo el df. Aconsejo a que ataques el problema de otra manera. La lógica del análisis podría ser la siguiente:

(1) aplanar todos los datos a una lista singular
(2) convertir esta lista a un conjunto/set
(3) convertir la lista de vuelos a otro conjunto
(4) simplemente analizar si hay una intersección entre los dos conjuntos.

Esta metodología también resulta ser flexible y rápida si se trata de muchos datos.

print(data)
# Supongamos que los datos se vean así:
#    7Flight1  18Flight2
# 0      2498       7527
# 1      8756       8632
# 2      2503       6676
# 3      6673       6750
# 4      3386       6339
# 5      3570       3933

# Y supongamos que la lista de vuelos sea así:
flightsid_ls = [2498,8632]

# Incluye numpy:
import numpy as np

# Debes aplanar el dataframe convertido en una matriz así: 
df_values_ls = list(data.to_numpy().flatten())
# Por ejemplo, esta lista de datos aplanados se ve así:
# In [1]: df_values_ls
# Out[1]: [2498, 7527, 8756, 8632, 2503, 6676, 6673, 6750, 3386, 6339, 3570, 3933]

# Luego, puedes sacar provecho de las rutinas de conjuntos/sets de python 
# para ver si haya una 'intersección' entre los datos aplanados/flattened y tu lista de vuelos.

df_values_set = set( df_values_ls )

flightsid_set = set( flightsid_ls )

# Al hacer la siguiente comparación, te da flexibilidad:
intersection_ls = df_values_set.intersection(flightsid_set)

# Puedes simplemente medir el tamaño de esta lista, o hacer algo
# si es que uno o varios pero no todos los vuelos de la lista
# están entre los datos.

if len(intersection_ls) == 0:
    print("No están")
else:
    print("Se encuentran los siguientes vuelos:")
    print(intersection_ls)
1
  • muchas gracias! no se me había ocurrido algo así
    – Jose Cle
    Commented el 12 may. 2022 a las 10:58

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.